ANALISI MULTIVARIATA DEI DATI lezione 6 Erica Casini

ANALISI MULTIVARIATA DEI DATI: lezione 6 Erica Casini erica. casini@unimib. it

CONTRASTI PIANIFICATI Stesso File “ANOVA. sav” Ricerca di marketing (N = 200) volta a testare l’effetto di una campagna pubblicitaria sull’atteggiamento verso il marchio Sigma, testando anche eventuali differenze tra donne e uomini VI: Tipo di campagna Due campagne (campagna Natura, campagna Cultura) + condizione di controllo senza nessuna campagna pubblicitaria VD: Atteggiamento verso il marchio Sigma Ipotesi: Efficacia diversa delle campagne nel determinare l’atteggiamento

ANOVA – contrasti pianificati Immaginate che non siamo interessati a confrontare tutte le medie con tutte le altre, ma vogliamo testare un’ipotesi specifica H 1: La campagna «Cultura» ha un effetto maggiore della condizione di controllo H 0: La campagna «Cultura» ha un effetto uguale alla condizione di controllo Dobbiamo definire dei contrasti personalizzati. Per prima cosa, in Vista variabile > Etichette valori, vediamo come sono codificate le condizioni: 1 = Controllo, 2 = Cultura, 3 = Natura

ANOVA – contrasti pianificati Per definire un contrasto personalizzato, dobbiamo usare la sintassi. Ripetiamo l’analisi e invece di cliccare “OK” clicchiamo “Incolla”. Alla sintassi, aggiungiamo manualmente una riga prima della fine dell’elemento /CONTRAST(Campagna) = SPECIAL (-1, 1, 0) Questa riga permetterà di testare l’ipotesi H: La campagna «Cultura» ha un effetto maggiore della condizione di controllo Ricordate che Controllo è la 1° condizione, Cultura la 2° e Natura la 3°. Natura è ignorato nella mia ipotesi quindi prende il valore 0, Controllo deve essere inferiore a Cultura quindi prende il valore -1, Cultura deve essere superiore a Controllo quindi prende il valore 1.

ANOVA – contrasti pianificati Se il contrasto stimato è significativo, indica che gli effetti delle 3 condizioni sono ordinabili come avevamo ipotizzato. Dalla tabella, Vediamo effettivamente che il contrasto stimato è significativo F(1, 197) = 32. 52, p <. 001, η 2 =. 142. Come ipotizzato, la campagna «Cultura» ha un effetto maggiore della condizione di controllo.

ANOVA mista within-between • Include sia fattori within, sia fattori between. • Usa lo stesso input dell’anova within, misure ripetute, che permette di inserire anche fattori between.

ANOVA mista within-between n Nell’analisi dell’atteggiamento verso i profumi, prendiamo in considerazione anche il genere del rispondente. Perciò abbiamo un modello 3 X 2 Profumo (3 livelli entro i soggetti) x Sesso (2 livelli tra i soggetti)

ANOVA mista within-between File: ANOVA. sav

ANOVA mista within-between

ANOVA mista within-between Si può assumere la sfericità: W =. 99, p =. 404 Abbiamo un effetto principale del profumo, dunque i 3 profumi sono valutati diversamente, F(2, 396) = 85. 76, p <. 001, η 2 =. 30 Non c’è interazione col genere, F(2, 396) = 0. 24, p <. 001, η 2 =. 001

ANOVA mista within-between C’è un effetto principale di genere, il che vuol dire che uomini e donne valutano in modo diverso i profumi, F(1, 198) = 179. 99, p <. 001, η 2 =. 48

ANOVA mista within-between Dal grafico è possibile osservare sia l’effetto del profumo (per ogni profumo c’è una valutazione diversa), sia di genere (gli uomini danno valutazioni inferiori rispetto alle donne). Si nota inoltre l’assenza di una interazione: la valutazione dei profumi segue lo stesso andamento sia per gli uomini che per le donne

ANOVA mista within-between In media (cioè a prescindere dal profumo che prendiamo in considerazione), le donne danno valutazioni più positive degli uomini

ANOVA mista within-between Le valutazioni dei 3 profumi differiscono tutte tra loro. In media (cioè a prescindere dal genere), Blu Notte (1) viene valutato meglio di Liberté (2) che viene valutato meglio di Malibu (3).

ANOVA mista within-between Esercizio File dati: HF. sav Stesso studio sulla qualità del self-care in pazienti infartuati. Ai pazienti è stato chiesto lo stato civile che poi è stato ricodificato semplicemente in single (1) e conviventi (2). 1) Lo stato civile influenza il self-care? 2) Stato civile e distanza dall’infarto interagiscono nel determinare il self-care?

ANOVA mista within-between

ANOVA mista within-between

ANOVA mista within-between Effetto principale di stato civile, F(1, 220) = 5. 19, p =. 024, η 2 =. 02 Dal grafico sembra che il self-care sia mediamente più basso per i single (effetto principale di stato civile), ma che aumenti nel tempo per entrambi (effetto principale di tempo), anche se per il cambiamento nel tempo sembra seguire un andamento diverso per single e conviventi (effetto di interazione): l’interazione è di tipo non ordinale. Quindi dobbiamo essere cauti nell’interpretazione degli effetti principali. Per stabilire se è così, ci basiamo sui confronti fra le medie marginali

ANOVA mista within-between Come nell’analisi senza lo stato civile, confermiamo che il cambiamento medio del self-care nel tempo si ritrova tra la prima misurazione e le due successive, ma non tra queste ultime

ANOVA mista within-between L’interpretazione del grafico era corretta: mediamente chi convive (2) ha un self-care migliore di chi è single (1)

Per i confronti relativi all’effetto di interazione ricorriamo alla sintassi come nell’ANOVA between-subjects fattoriale, aggiungendo 2 righe alle istruzioni

CONFRONTI ENTRO LO STATO CIVILE Per i single, c’è un aumento di selfcare tra la prima misurazione e le due successive, ma non tra queste ultime due. Per i conviventi, emerge solo una differenza tra 0 e 3 mesi

CONFRONTI ENTRO IL TEMPO L’unica differenza significativa di self-care tra single e conviventi si osserva alla prima misurazione